买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京市特种设备安全监督检验研究院申请的专利一种基于RDD-YOLOv8模型的道路缺陷检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120997223B 。

龙图腾网通过国家知识产权局官网在2026-02-03发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511535530.0，技术领域涉及：G06T7/00；该发明授权一种基于RDD-YOLOv8模型的道路缺陷检测方法是由孙勇;刘润捷;路成龙;庆光蔚;刘堃;倪大进;王爽设计研发完成，并于2025-10-27向国家知识产权局提交的专利申请。

本一种基于RDD-YOLOv8模型的道路缺陷检测方法在说明书摘要公布了：本发明公开了一种基于RDD‑YOLOv8模型的道路缺陷检测方法，首先构建道路缺陷数据集；然后构建道路缺陷检测算法模型，以YOLOv8n为基础算法，设计了RD注意力机制，并将其融入YOLOv8n算法主干网络中，提出了新型损失函数FEAIOU，并使用预处理后的数据集对改进后的YOLO算法模型进行训练，采取mAP、Params和FLOPs指标评价算法模型，得到最佳算法模型；最后，将改进后算法模型进行边缘部署，将待检测道路缺陷图像或视频送入训练好的算法模型中，输出道路缺陷类别。本申请通过RDD‑YOLOv8模型，增强了对复杂缺陷的识别性能和预测分类能力，能够提高检测精度和效率。

本发明授权一种基于RDD-YOLOv8模型的道路缺陷检测方法在权利要求书中公布了：1.一种基于RDD-YOLOv8模型的道路缺陷检测方法，其特征在于，包括以下步骤： 步骤S1：构建道路缺陷数据集，具体包括： 步骤S1.1：收集若干道路缺陷图像，包含横向裂纹、纵向裂纹、网状裂纹、洼坑及修复五类道路缺陷； 步骤S1.2：采用Labelimg标注工具对收集的所有图像进行边界框标注，标注信息包括缺陷类别及对应边界框坐标； 步骤S1.3：标注后的所有道路缺陷图像构成数据集，将数据集按7:2:1的样本数量比例随机划分为训练集、验证集与测试集； 步骤S2：构建道路缺陷检测模型，并进行训练，具体包括： 步骤S2.1：以YOLOv8n算法为基础模型，通过设计RD注意力机制和FEAIOU损失函数，形成用于道路缺陷检测的RDD-YOLOv8模型； 所述YOLOv8n算法包括主干特征提取网络、颈部特征融合网络及头部检测网络，RD注意力机制用于增强缺陷特征提取能力，所述FEAIOU损失函数用于优化头部检测网络中真实框与预测框的匹配精度； 所述RD注意力机制包括通道注意力子模块与空间注意力子模块；将RD注意力机制融入YOLOv8n算法主干特征提取网络的SPPF模块中，得到SPPF-RD模块，所述SPPF-RD模块的输入为YOLOv8n主干网络的C5特征图，输出为经RD注意力加权的增强特征图；RD注意力机制的实现过程为： 首先，对输入特征图x分别执行最大池化、中值池化、平均池化操作，得到池化特征Pmax、PMed、PAvg，其中： ； ； ； 其次，将Pmax、PMed、PAvg分别输入全连接层FC后进行融合，再通过Sigmoid激活函数σ得到通道注意力权重AChenel； ； 第三，利用通道注意力权重AChenel与输入特征图x逐元素相乘，得到初步优化特征Arefine： ； 最后，对初步优化特征Arefine通过空间注意力模块SAM处理，得到空间注意力权重ASAM，将初步优化特征Arefine与空间注意力权重ASAM逐元素相乘，结合1×1卷积调整维度后与原始输入特征图融合，得到RD注意力机制的输出； ； FEAIOU损失函数的表达式为： ； 上式中，Bp和Bg分别表示预测框和真实框的区域；Sp表示预测框面积，Sg表示真实框面积，d表示真实框与预测框中心坐标之间的欧氏距离；c表示真实框与预测框最小外包矩形的对角线距离；wg和hg分别为真实框的宽度和高度；wp和hp分别为预测框宽度和高度；λ为全局平衡超参数；α为超参数，用于调整预测框和真实框面积比值的影响力度；β为角度评价权重，设为0.2；wc和hc分别表示预测框与真实框的最小外包矩形的宽度和高度，表示真实框与预测框的宽度差惩罚项，表示真实框与预测框的高度差惩罚项，表示角度惩罚项，表示计算元素之间的欧氏距离，L表示损失函数Loss； 步骤S2.2：训练与优化道路缺陷检测算法模型，具体为：首先对步骤S1中训练集与验证集的图像进行预处理；然后，以SGD为优化器，使用训练集对步骤S2.1构建的RDD-YOLOv8模型进行训练；每轮训练后，在验证集上计算模型的精确率Precision、召回率Recall、平均精度均值mAP、浮点运算数FLOPs及参数量Params，得到最佳算法模型； 步骤S3：边缘部署与检测，具体为：首先，将步骤S2.2中训练后的最佳算法模型RDD-YOLOv8部署至边缘计算设备；然后，采集待检测道路的图像或视频流，并进行预处理后，输入至部署好的RDD-YOLOv8模型中；模型推理后输出道路缺陷的类别、边界框坐标及置信度，完成道路缺陷检测。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京市特种设备安全监督检验研究院，其通讯地址为：210000 江苏省南京市秦淮区洪武路348号苏发大厦4楼A座；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。